欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
特征选择是文本分类中一种重要的文本预处理技术，它能够有效地提高分类器的精度和效率。文本分类中特征选择的关键是寻求有效的特征评价指标。一般来说，同一个特征评价指标对不同的分类器，其效果不同，由此，一个好的特征评价指标应当考虑分类器的特点。由于朴素贝叶斯分类器简单、高效而且对特征选择很敏感，因此，对用于该种分类器的特征选择方法的研究具有重要的意义。有鉴于此，提出了一种有效的用于贝叶斯分类器的多类别文本特征评价指标：CDM。利用贝叶斯分类器在两个多类别的文本数据集上进行了实验。实验结果表明提出的CDM指标具有比其它特征评价指标更好的特征选择效果。
英文摘要：
Feature selection is an important preprocessing technology in text classification.It can improve the efficiency and accuracy of a text classifier.The key of feature selection in text classification is to find an effective feature evaluation metric.In general,the effect of a feature evaluation metric for various classifiers can be very different,and thus a good feature evaluation metric should consider classifier characteristics.As the Naive Bayesian classifier is very simple and efficient and highly sensitive to feature selection, so the research of feature selection specially for it is important.This paper presents a feature evaluation metric for the Naǐve Bayesian classifier applied on multi-class text datasets：Class Discriminating Measure （CDM）.Experiments of text classification with Naǐve Bayesian classifiers were carried out on two multi-class texts collections.As the results indicate,CDM gains obviously better selecting effect than other feature selection approaches.
同期刊论文项目
同项目期刊论文
期刊信息
位置：